vn.py量化社区
By Traders, For Traders.
Member
加入于:
帖子: 86
声望: 20

这段文字说明特别清楚,引用过来

如果我们考察单一投资品在总共 T 期内的表现,那应该用对数收益率,而非算数收益率。算术平均值不能正确的反应一个投资品的收益率。比如一个投资品今年涨了 50%,明年跌了 50%,它的算数平均收益率为0;但事实上,两年后该投资品亏损了最初资金的 25%。相反的,对数收益率由于具备可加性,它的均值可以正确反映出该投资品的真实收益率。比如这两年的对数收益率分别为 40.5% 和 -69.3%,平均值为-28.77%,转换为百分比亏损就是 exp{-28.77%} - 1 = -25%。
对数收益率的时序可加性让我们能够使用另外两个利器:“中心极限定理”和“大数定律”。假设初始资金 X_0(假设等于 1),ln(X_T) = ln(X_T/X_0) 就是整个 T 期的对数收益率。对数收益率的最大好处是它的可加性,把单期的对数收益率相加就得到整体的对数收益率。

在做策略建模的时候,经常需要把K线转换为可以正态分布数据,这样可以使用那些很牛吼吼的数学模型进行挖掘。

实现很简单

c = ln(t1/t0)
像相信研究可以看看这个 https://www.zhihu.com/question/30113132

在VNPY的K线序列管理工具ArrayManager,可以加入下面代码。按照属性返回对数收益率序列

@property
def percentLog(self):
    """获取对数收益序列"""
    arrayold = self.closeArray[0:self.size - 1]
    arraynew = self.closeArray[1:self.size]
    return np.log(arraynew/arrayold)*100.0

传统close 曲线
enter image description here
对数收益率后,把几个突变极大极小值忽略后,就是一个很标准正态分布,然后就可以用一堆模型来套用了
enter image description here

Member
加入于:
帖子: 22
声望: 1

学习

Member
avatar
加入于:
帖子: 43
声望: 0

楼主好人

© 2015-2019 上海韦纳软件科技有限公司
备案服务号:沪ICP备18006526号-3